Смекни!
smekni.com

Автоматизация и управление технологическими процессами обжига клинкера при производстве цемента (стр. 4 из 6)

К вектору управления Х добавятся параметры: количество включенных нагревателей (горелок); параметры регулирования мощности нагревателей; открытие заслонок на дымососе.

Вектор влияния среды У имеет смысл объе­ди­нить с вектором состояния объекта Н и отнести к нему: тепловые свойства обрабатываемого материала; параметры нагнетаемых газов; температуру окружающей атмосферы; параметры теплоотвода; параметры газоотвода.

Выходной вектор Z: масса (расход) полученного клинкера; характеристики клинкера; параметры отводимых газов.

Сложность объекта, неопределенность большинства пара­мет­ров и их взаимосвязей, указывают на целесообразность прибегнуть для решения задачи управления к методам имитационного моделирования.

К наиболее популярным системам имитационного моделиро­вания относятся AnyLogic, Aimsun, Arena, GPSS, ИМИТАК, Triad.Net, РДО, PTV, Tecnomatix Plant Simulation, NS-2, Transyt, Vision VISSIM, eM-Plant, Powersim.

Моделирование технологических процессов термической обработки цементного клинкера проведено в диссертации с использованием системы имитационного моде­лирования РДО (РЕСУРСЫ – ДЕЙСТВИЯ – ОПЕРАЦИИ), которая позволяет более глубоко и точно учитывать особенности динамики объекта автоматизации. В среде РДО удобно не только проводить имитационное моделирование технологического процесса, но и проводить анимацию для наблюдения его хода в реальном времени, что немаловажно при решении задач оптимизации управления.

Сложная динамическая система на концептуальном уровне пред­ставляется в виде множества некоторых взаимодействующих между собой ресурсов.

Ресурс — это элемент сложной системы, внутренней структурой которого можно пренебречь, в то время как его наличие и свойства как целого важны для целей описания.

Все ресурсы Сложных Дискретных Систем (СДС) образуют некоторое множество:

, (22)

где: ri — i-ый ресурс СДС, а N(t) — число ресурсов СДС в данный момент времени. Основным составляющим СДС, каковыми являются ее элементы, производственный процесс, законы функционирования, соответствуют следующие информационные объекты: ресурсы, действия, нерегулярные события и операции. Представление СДС в РДО-методе показано на рис.5.

Рис.5. Представление СДС в РДО-методе

Ресурсы могут быть разбиты на несколько типов; каждый ре­сурс определенного типа описывается одними и теми же пара­метрами.

В среде РДО можно моделировать информационные потоки с различными законами распределения (равномерным, нормальным, экспоненциальным и т. п.). Обобщенно процесс анализа системы посредством вычис­лительной модели показан на рис.6.

Процесс моделирования начинается с определения структуры системы, на основе которого устанавливаются границы составляю­щих модели и необходимый уровень детализации моделируемых про­цес­сов. Обосновывается выбор зависимых и независимых пере­менных, опреде­ляется тип модели (стохастическая, детерминиро­ванная и др.). Исходные данные определяются на основе эмпири­чес­ких данных, иден­тификации и специфи­кации определяемых переменных. Что касается рассматриваемого технологического процесса — термической обработки цементного клинкера, то для формирования исходных данных необходимо учитывать сложность объекта: про­цесс обжига клинкера в печи подвержен влиянию множества раз­нородных факторов. Главные из них — количество, химический сос­тав шлама, расход, температура, калорийность топлива, расход и темпера­тура вторичного воздуха и множество других.

Рис.6. Обобщенное представление процесса моделирования

Исходные данные и начальные условия, уровень детализации которых на начальном этапе определяется оператором, могут быть представлены, например, в виде некоторой матрицы, строки кото­рой соответст­вуют определенной операции процесса, а столбцы как раз и являются харак­теристиками операции. Успешность моделиро­вания за­висит от того, насколько хорошо оператор умеет выделять существен­ные элементы и взаимосвязи между ними.

Исходя из специфики технологического процесса, могут быть сформулированы следующие ограничения на:

־ количество операций, заданных технологией;

־ последовательность вы­полнения операций;

־ расход шлама;

־ производительность печи (по техническому паспорту печи);

־ удельный расход условного топлива;

־ влажность шлама, температура вторичного воздуха;

־ скорость вращения печи (не более 1 об/мин).

Частота поступления шлама в печь может быть определена, например, законом распределения, устанавли­ваю­щим длительность интервалов между входными сигналами предыдущей операции.

Перечисленные ограничения представляются общими для лю­бого варианта исходных данных.

В четвертой главе решаются задачи разработки имитационной модели и проведения имитационных экспериментов.

Исходным этапом моделирования представляется определе­ние ресурсов мо­дели, в данном случае — элементов вращающейся печи, которые непосредственно связаны с процессами обжига и охлаждения клин­кера. В качестве таковых выступают определенные параметра агрегата, технологические зоны печи, устройства контро­ля и управ­ления, так что для конкретной задачи могут быть предложены различные варианты моделей. Наиболее рациональным решением представ­ляется расс­мотрение печи в целом — агрегата для получения клинкера — как единого ресурса, поскольку именно в этой модели возможно размещение и хра­нение практически всей инфор­мации об его функционировании.

С целью последовательного улучшения технологического ре­жима вращающегося печи и снижения удельного расхода топлива целесообразно обеспечить следующие условия:

- Нормализация работы шламопитателя.

- Снижение удельного расхода топлива на обжиг клинкера.

- Увеличение часовой производительности печи.

Имитационное моделирование представляет собой процесс построения обобщенной компьютерной модели с алгоритмическим описанием основных правил ее поведения.

В методе РДО знания о моделируемой системе представляют­ся в виде модифицированных продукционных правил. Состояние любого моделируемого объекта системы определяется набором значений параметров всех элементов, принадлежащих системе и соответствующей базе данных (БД).

Пусть характеристики системы Zi(t) будут случайными функциями времени, зависящими от параметров τ1, τ2, …, τn. Разобьем эти параметры на две группы: управления — τ1, τ2, …, τm, опреде­ляющие дальнейший порядок функционирования системы, и собственные — τm+1, τ m+2, …, τn , характеризующие свойства системы и ее элементов и не зависящие от управления. Пусть некоторое свойство системы описывается функционалом Ф, взятым в качестве показателя и определенным в пространстве Zi(t):

Ф = Ф(τ1, τ2, …, τm; τm+1, τ m+2, …, τn). (23)

На величины τi накладываются ограничения вида:

λi(τ1, τ2, …, τm; τm+1, τ m+2, …, τn), (24)

h = 1, 2, …, h*, 0τjαi . (25)

Можно утверждать, что задача оптимального управления сведется к выбору параметров τm+1, τ m+2, …, τn, удовлетворяющих условиям (24) и обеспечивающих минимум функционала Ф (23).

Если Ф = Ф(τ1, τ2, …, τn) и λh(τ1, τ 2, …, τn), заданные модели­рующим алгоритмом, является выпуклыми и непрерывно диффе­ренцируемыми функциями n переменных, то задача выбора опти­мального управления асимптотически эквивалентна задаче нахож­дения минимума функции

(26)

при условиях 0τjαi (c > 0 — некоторое постоянное число). Под асимптотической эквивалентностью мы будем понимать эквивалентность при c → ∞. Таким образом, в результате замены (23) эквивалентным соотношением (26) мы пришли к задаче, которая может быть решена любым из известных методов отыскания экстремума.

Суть его сводится к следующему. Пусть искомыми величинами будут τ1, τ2,.., τw. Тогда в W-мерном пространстве выбираем произвольную точку α1, α2, …, αn, которую будем называть точкой нулевого приближения, а значение V(τ1, τ2, …, τw) обозначим V0. Отправляясь от этой точки, используем итерационную процедуру покомпонентной минимизации величины V как функции одной переменной. Минимизация функции V по каждой переменной может быть проведена различными способами. Рассмотрим алгоритм минимизации функции: